什么时候才能实现真正的自动驾驶？10年内？

虎嗅注：Aurora 公司成立于 2017 年初。今年 2 月敲定 5.3 亿美元 B 轮投资，由红杉资本领投，亚马逊、壳牌等巨头跟投。拿到这笔投资后，公司估值达到 25 亿美元。今年 6 月，它又获得现代/起亚的投资。现在，它已成为全球范围内备受关注的自动驾驶公司之一。

Chris Urmson 是 Aurora 的创始人兼 CEO，此前也是谷歌自动驾驶项目二号人物。近期，来自 MIT 的研究科学家 Lex Fridman 与他有一段关于自动驾驶的视频访谈，学者与新晋企业家的思想碰撞，会给我们带来哪些新的行业洞见？

本文整理自YouTube，由汽车之心（ ID：Auto-bit）编译，封面：视觉中国

卡耐基梅隆大学与 DARPA 挑战赛

Lex Fridman：DARPA 举办的自动驾驶挑战赛和城市挑战赛你都参加过。在这些重大比赛中，你获得了什么技术或哲学上的经验？

Chris Urmson：在我看来，最重要的经验就是我们有能力实现自动驾驶，这是 DARPA 大挑战留给我最重要的财富。

当时我还是卡耐基梅隆大学机器人专业的学生，难度如此巨大的比赛挑动了每个人的兴奋点，而且它确实酷劲十足。

那时选择投身这样一个几乎不可能成功的比赛确实需要勇气。好在，经过多次尝试我们成功了，那种感觉真是令人激动。

Lex Fridman：当时，你认为哪部分实现的可能性更高？作为首席工程师，你肩上的担子可不轻。

Chris Urmson：是的。那时候我是技术总监，和许多能人一起做了很多工作。至于我是否对实现自动驾驶有信心？当然了，谁也不会去做那些看似天方夜谭的事。

当时，我们只是觉得这项技术实现起来会很困难，没想到是如此艰难，第一次尝试就败下阵来。

不过，我觉得这是上天送给我们的福利。当你不了解一件事的深浅时，多尝试几次总是有好处，这是那些高价咨询师们给不了你的经验。

Lex Fridman：你觉得比赛中团队最大的痛点在哪？是机械？传感器？软硬件？算法？车辆定位？还是感知控制技术？

Chris Urmson：说实话，这项技术的乐趣就在这，因为它哪方面都很难，而且你还不能有短板。

就拿 DARPA 城市挑战赛举例，如果用现在的眼光来看，应该很容易。毕竟我们掌握了充足的城市数据，而且这里不是沙漠，GPS 信号很好，所以做出比较精确的城市地图不是问题。

那时，搞定所有工程工作让我们对车辆进行控制和驾驶就已经是一大难题（当然现在也是难题）。

不过，最棘手的还是比赛的不确定性，我们甚至不知道赛会到底想让我们干什么。

Lex Fridman：你是说，比赛前团队对赛道完全不了解，甚至连勘路的工作都没做过？

Chris Urmson：是的。我们根本不知道比赛线路，只能靠猜测。

现在回想那场比赛，那时大家都觉得 DARPA 至少得给些路点，好让车辆沿着它们行驶。结果发现，比赛里的参照物全靠自己发掘。好在，最后组委会提供一些轨迹给我们参考。

团队领导力

Lex Fridman：现在你成了团队领导，对于领导力这件事你有什么看法？

Chris Urmson：这事得分好几个方面来说。

第一，就是敢于尝试那些困难的项目，因为这是团队的好机会。

另一个就是要知人善用，不能只看到他们是谁，要发现他们能成为什么样的人。

这也是我从老领导 Red Whittaker（卡耐基梅隆大学教授）那里学到的最有用的知识。

他会逐个审视学校的学生，教他们成为领导，挑大梁去完成一些艰巨任务。如果换做别人，肯定会觉得这些学生都太嫩，他们什么都不懂。

所以，我觉得对他人有信心是一个强大的武器。

Lex Fridman：能不能给大家简单介绍下自动驾驶技术的进化过程？从 DARPA 挑战赛到现在，技术是经历了质变？还是说我们玩的依旧是当年那套东西，只是它变得更稳健了？

Chris Urmson：我们确实向前迈进了不少。

在 DARPA 自动驾驶挑战赛上，我们唯一实质性解锁的是高精地图技术。

有了它，那些越野车才能在沙漠中穿行，这绝对是个重大创新。否则，车辆就会被前路复杂的环境所困，想保持一定的行驶速度更是不可能。

至于城市挑战赛，我觉得最大的技术创新是激光雷达，它能生成高清 3D 模型，帮助车辆理解周边环境。在我看来，这绝对是改变游戏规则的技术突破。

除了激光雷达，那个年代我们还在技术上取得过很多进步，比如视觉评估。

那个时候，SLAM（即时定位与地图构建）是机器人行业里最火爆的概念，它是展会的常客，大家写论文也都会提到它。

所以，视觉评估技术的横空出世让大家都异常兴奋。

Lex Fridman：所以说，那个时代的技术突破大多数都是建立在激光雷达之上的？

Chris Urmson：事实上，我们当时做 SLAM 正起劲。

有了激光雷达，有了摄像头，实时定位才算正式上位，大家也算摆脱了对 GPS 的迷信。

总得来说，当时大家为 SLAM 贡献了很多力量，激光雷达并不是什么决定性的突破创新，不过它的实际应用确实算一大进步。

Lex Fridman：也就是说，在城市挑战赛时大家都做了地图，那么各个团队有自己的方案吗？你们之间有没有进行“信息”共享？

Chris Urmson：DARPA 把地图模型给了每个团队，但我们得解决一个问题，那就是地图精度。

因此，想拿出一套厘米级精度的地图是我们当时最大的挑战。

Lex Fridman：当时的感知技术是个什么水平？

Chris Urmson：比现在差得多。不过，虽然时代不同，它们的内核却极其相似。

我们的任务就是追踪车辆，甚至是 100 米之外的，毕竟你得在路上变道。我们要解决的问题现在也有，比如对其他车辆的动作进行预判，它们到底是继续走直线还是左转或右转？

而且别忘了，自动驾驶汽车的行为也会对其他车辆产生影响。

Lex Fridman：那 10 年之后呢？

Chris Urmson：在我看来，最关键的一点就是我们处在变幻莫测的世界里，道路上总会有其他参与者，比如行人，比如自行车，比如其他汽车。

他们大部分时间都遵章行驶，但也有放飞自我的时候，而这些变量就非常棘手。

Lex Fridman：这些变量主要来自行为还是感知上？

Chris Urmson：两者都有。

要知道，10 年前参加比赛时我们不用考虑自行车，不用考虑行人，更不用看信号灯，而且车辆的行驶区域也要小很多。

自动驾驶哪部分最难？

Lex Fridman：从城市挑战赛到现实世界，你有没有遇到什么真正艰巨的新挑战？

Chris Urmson：我觉得两者之间最大的不同在于，现在我们是真枪实战。

当然，和过去一样，我们还没能逃脱“可控环境”这个魔咒，但难度却要高得多，毕竟那时能跑完 60 英里就算胜利。

从 2006 年的视角来看，60 英里这个距离已经相当远了。但现在要跑的可是 50 万英里。所以说，它们无法同日而语。

激光雷达是否无用？

Lex Fridman：激光雷达对自动驾驶到底有多重要？

Chris Urmson：它确实是核心，不过在我看来，摄像头和雷达也是核心。

如果稳健是目标，就得用上不同传感器采集的数据。

Lex Fridman：对于 Elon Musk 的激光雷达无用论，你怎么看？这是成长必须付出的代价？还是说大部分的感知任务其实摄像头就能胜任？

Chris Urmson：人类驾驶汽车用的就是视觉能力，所以摄像头决定论我也认同。

至于 Musk 的激光雷达无用论，我觉得这种提法没什么问题，很多年前电动车也不被行业认可。未来，任何技术最终都会被更强大的技术所代替。

在我看来，这个问题的核心是我们现在的交通方式出了问题。去年，有那么多美国人在路上丢了性命，这是不可接受的。

无论哪种自动驾驶技术，只要能提升道路安全性，我们就应该使用。

所以，一直争论到底用激光雷达还是摄像头完全没有意义，它们只是两种技术罢了，谁能更好地解决问题就选谁。

Lex Fridman：降低成本是汽车厂商的核心任务之一，那么在你看来激光雷达未来价格会大幅下降吗？如果没有激光雷达，我们能实现 Level 4 吗？

Chris Urmson：我觉得两个问题的答案都是“Yes”，只是时间问题。

最廉价传感器不是我们想要的，我们需要的是经济上行得通的自动驾驶方案，在那之后我们才谈论利润和降成本的事。

也就是说，500 美元和 50 美元的系统，哪个可堪大用我们才会选哪个。

成本问题确实重要，它事关业务是否可持续以及未来的发展。所以，在激光雷达这个问题上，我觉得没有所谓的价格基线。

当然，激光雷达肯定要比摄像头贵，因为它需要很多处理单元，但肯定不可能一直卖高价。

我相信，只要有了正确的商业模式，降低成本不是问题。

Level 2 自动驾驶与不可控的人类因素

Lex Fridman：你曾说过，现在的 Level 2 技术漏洞百出，因为人类因素太不可控。关于这个问题，你还有什么补充的？

Chris Urmson：关于 Level 2，我的本意被曲解了。

在我看来，Level 2 主动安全技术相当重要，我们应该大力推广。它能在不久的将来降低事故率，同时拯救生命。

当下的 Level 2 技术主要控制横轴和纵轴，即车辆的转向和加减速，它是驾驶员的好帮手，这点值得鼓励。

不过，就像你说的，Level 2 也带来了一些挑战，比如人类因素带来的风险和公众的误解。

有几点我深信不疑，第一，人们肯定会过度信任这项技术，驾驶员在特斯拉里睡觉的新闻，我们可是时常看到。

最近我在一个视频里还看到一位名人称特斯拉是自动驾驶汽车，那么多人对自动驾驶还有深深的误解，更别说普通人了。

事实上，特斯拉哪算的上自动驾驶，信了市场营销，你可能哪天真的会死在车里，或者伤到其他行人。

所以，各家厂商在宣传和部署此类技术时得讲究方式方法。

从成本上来讲，Level 2 也和真正的自动驾驶有所区别，它们生活在完全不同的两个世界。

Lex Fridman：在你看来，这不是逐步进化的过程，Level 2 和未来的全自动驾驶走的根本就是两条路？

Chris Urmson：是的，Level 2 注重的是驾驶员辅助，所有安全项的设计都有一个前提，那就是驾驶员集中精神，所以车辆安全最终还是要驾驶员来负责。

从成本角度来看，Level 2 能成功完成几次主动刹车，就是一个巨大进步，哪怕成功率只有 50%。

但归根结底来说，它并不是自动驾驶技术。

Lex Fridman：这世界上有太多人容易轻信厂商宣传，那么，我们能做出不让驾驶员过度信任的 Level 2 系统吗？

Chris Urmson：恐怕不能。如果大家真能认识到其中的风险，你的假设就能成立。

可惜人们总是喜欢从自己的经验出发，如果 Level 2 系统一直安全工作，也许一个月后他们就放松警惕了。不过，危险可能会在第 31 天到来。

当然，那些科技迷们肯定会更加小心，但大多数人没这个觉悟，他们还是相信自己的经验。

因此当 Level 2 大规模普及后，各种因为粗心大意引发的事故就会迅速多起来。

L4 自动驾驶与安全

Lex Fridman：我也与其他人讨论过自动驾驶，到最后，大家的重点就是该不该把自己的生命交给机器人，所以我们还是得说说安全问题。你们准备怎么向世界证明，自动驾驶汽车绝对安全？

Chris Urmson：这项工作确实很难，因为没有标准答案。

首先，我们得展示那些费尽心血的工作，比如功能安全过程，这是我们在工作中解决问题的指引，也是建立初步信任的方法。

接着就是拿各种证据，比如向公众展示自动驾驶汽车的能力，这其中包括模拟、组件测试、分解测试和一些路测数据。

最终，说服公众相信自动驾驶还得靠对话，这一步需要深度，也需要时间。这个目标很简单，就是让大家相信自动驾驶有利于保护公众利益，它值得公众信任。

这一步完成了，我们就离成功不远了。

Lex Fridman：如果这种方法失败了，你觉得我们能拿出个度量标准或者数字来评判自动驾驶汽车的安全性吗？

Chris Urmson：当然可以，而且不只是一个数字。

现在我们只是在内部进行，未来会公开更多信息，比如人类在不同任务下的表现以及他们的失误率。

最终，参考航空业的相关经验，再结合法律法规，我们就能拿出数据模型进行对比，让数据为自动驾驶汽车正名。

Lex Fridman：说到自动驾驶汽车，公众会最先想到那个经典的“电车难题”，那么你们准备怎么赢得大家的“芳心”，让他们接受自动驾驶汽车是生命中不可分割一部分的事实？

Chris Urmson：我会让他们去体验。

说实话，自动驾驶是全新物种，大家连摸都没摸过，没有疑惑才不正常。

与此同时，用户熟悉自动驾驶的过程也是我们不断提升并降低成本的好机会。等大家尝试并喜欢上自动驾驶汽车后，就会把它当成自己生活中不可或缺的一部分。

这样的事我见多了，很多人在试乘自动驾驶汽车前都满腹狐疑，但十分钟后他们就打消了自己的担忧。

科技就是这样，你不需要完全了解其中原理，只要好用就行了。

这也是我们对自动驾驶技术的期望，它只要在后面默默提供完美的用户体验并安全把每个人送到目的地就行。

自动驾驶什么时候可以大规模部署？

Lex Fridman：我们不说未来，大家听预言都听烦了。公众只想知道自动驾驶汽车什么时候能大规模部署？至少得达到 1 万辆这个门槛？

Chris Urmson：10 年之内肯定能实现，这点自信我还是有的。

Lex Fridman：那么在你看来，自动驾驶汽车的部署什么时候才算有了质变？

Chris Urmson：答案很简单，什么时候公路上的自动驾驶汽车取消了安全驾驶员。

在这之后，我们就能考虑如何扩大规模，如何打造用户体验，以及如何创新商业模式了。

Lex Fridman：安全驾驶员会先从哪个区域的自动驾驶汽车上消失？是高速还是城市？或是其他什么特定区域？

Chris Urmson：我觉得应该是城市或者郊区。

大多数人觉得，高速路况才是最适合自动驾驶的，因为大家都朝一个方向开，而且不会有行人或自行车进入。

可惜事实并非如此，因为在自动驾驶模式下，我们必须 100% 考虑，而不是考虑大部分情况。一旦大货车出了问题，在那个时速下造成的破坏就太大了。

换到城市，较低速度下即使出了问题，也不会那么严重。

在技术完全成熟前，事故难以避免，所以大家肯定会选择风险更低的城市或郊区环境。更多的投入当然意味着更快的进步。

Lex Fridman：关于自动驾驶汽车的部署时间线现在大家众说纷纭，有的说10 年，有的说 20 年，还有人说 30 年。在你看来，什么样的技术突破能改变自动驾驶落地的时间进程？

Chris Urmson：我觉得感知和预测能力更重要，如果明天你就能拿出个完美模型，我们的研发马上就能向前进一大步。

Lex Fridman：当下道路参与者中，最让你头疼的是哪个？车辆、行人还是自行车？

Chris Urmson：我最担心的还是自行车和行人，因为他们完全没有保护，而有安全气囊的汽车风险就要小得多。

所以，我们得多留意行人和自行车。

Lex Fridman：对行人多加保护的话，就意味着车辆会减速，他们甚至会反过来利用这一点去给自动驾驶汽车找麻烦（比如碰瓷）。如果是人类司机，大不了绕过去就好，但自动驾驶汽车呢？在技术上我们有什么好的解决方案吗？

Chris Urmson：先说一点，如果我看到横过马路的人，肯定会停车让行而不是绕过去。

眼下确实有人利用这一点横穿马路，但面对自动驾驶汽车，他们就得掂量掂量，毕竟谁也不想出车祸。

机器的心思可能比人更难猜，所以我并不担心行人造成的道路混乱。算法上很简单，探测到有人接近就停下来，所以基本没什么风险。

Lex Fridman：所以这不是算法问题，而是体验问题。再问最后一个问题，当下 Aurora 的主要竞争对手是谁？你准备如何击败它们？

Chris Urmson：眼下，我们还是更关心自己。

之前我也多次提到，自动驾驶是个非常复杂的难题，很多公司都在着手解决。我们没时间去找假想敌以及击败它们的战略，要想走得更快，就得先对整个行业有深入了解，尽量躲开前进路上的陷阱。

其次，吸引认同我们使命的员工。

除此之外，对基础设施和架构的持续投资也相当重要，它们是公司未来的加速器。

我们不会把时间都花在演示上。相反，机器学习、数据提取及应用等基础建设更为重要。

本文整理自YouTube，由汽车之心（ ID：Auto-bit）编译，封面：视觉中国